深層生成モデルを用いたプライバシー保護プロセスデータの生成【JST・京大機械翻訳】

Li Keyi; Yang Sen; Sullivan Travis M.; Burd Randall S.; Marsic Ivan

プレプリント

J-GLOBAL ID：202202204169015847 整理番号：22P0304599

深層生成モデルを用いたプライバシー保護プロセスデータの生成【JST・京大機械翻訳】

Generating Privacy-Preserving Process Data with Deep Generative Models

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年03月15日プレプリントサーバーでの情報更新日： 2022年03月15日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

秘密情報によるプロセスデータは,公共で直接共有できず,それは,プロセスデータマイニングと解析における研究を妨げる。データ暗号化法はデータを保護するために研究されているが,それらはまだ解読され,個々の同定につながる。表現学習の異なるモデルを用いて実験を行い,学習モデルを用いて合成プロセスデータを生成した。発電機と識別器のための2つの変換器ネットワークによるプロセスデータ生成(ProcessGAN)のための敵対的生成ネットワークを導入した。6つの実世界データセットに関するプロセスGANと従来のモデルを評価し,その内の2つは公共で,4つは医療領域で収集した。統計的計量と教師つき学習スコアを用いて合成データを評価した。また,真正および合成データセットのためのワークフローを発見するためにプロセスマイニングを使用し,医療専門家が合成ワークフローの臨床適応性を評価した。プロセスGANは,複雑なプロセスの小型認証データセット上で訓練された場合,従来の逐次モデルより優れていることを見出した。プロセスGANは,医療プロセスのような複雑なプロセスに重要な活動間の長距離依存性をより良く表現した。従来の逐次モデルは,単純なプロセスの大きなデータで訓練されたとき,より良く機能した。プロセスGANは,認証データから区別できない大量の可聴合成プロセスデータを生成できると結論した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

人工知能 , パターン認識

, , ,

前のページに戻る